-
公开(公告)号：CN117274957A
公开(公告)日：2023-12-22
申请号：CN202311567597.3
申请日：2023-11-23
申请人： 西南交通大学
IPC分类号： G06V20/58 , G06T3/40 , G06V10/40 , G06V10/764
摘要： 本发明提供了一种基于深度学习的道路交通标志检测方法及系统，涉及图像处理技术领域，包括获取道路的实景原图信息；基于预设的切图策略将所述道路的实景原图信息进行切割，得到至少两个所述实景原图的子图信息；将所述实景原图的子图信息发送至预设的神经网络模型进行筛选，得到包含交通标志的子图信息；将所述包含交通标志的子图信息进行分辨率重建，得到增强分辨率后的子图信息；将增强分辨率后的子图信息发送至预设的目标检测模型进行检测，得到子图信息内的特征数据信息；将所述子图信息内的特征数据信息进行融合，得到交通标志的位置信息。本发明实现了自动化道路交通标志检测，提高了标志检测的准确性和效率。
-
公开(公告)号：CN117274957B
公开(公告)日：2024-03-01
申请号：CN202311567597.3
申请日：2023-11-23
申请人： 西南交通大学
IPC分类号： G06V20/58 , G06T3/4053 , G06V10/40 , G06V10/764
摘要： 本发明提供了一种基于深度学习的道路交通标志检测方法及系统，涉及图像处理技术领域，包括获取道路的实景原图信息；基于预设的切图策略将所述道路的实景原图信息进行切割，得到至少两个所述实景原图的子图信息；将所述实景原图的子图信息发送至预设的神经网络模型进行筛选，得到包含交通标志的子图信息；将所述包含交通标志的子图信息进行分辨率重建，得到增强分辨率后的子图信息；将增强分辨率后的子图信息发送至预设的目标检测模型进行检测，得到子图信息内的特征数据信息；将所述子图信息内的特征数据信息进行融合，得到交通标志的位置信息。本发明实现了自动化道路交通标志检测，提高了标志检测的准确性和效率。(56)对比文件US 2023207061 A1,2023.06.29冯爱棋 等.融合注意力机制和上下文信息的实时交通标志检测算法 《.计算机科学与探索》.2023,1-13.杨柳.基于多尺度特征融合网络的交通标志检测《.中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》.2020,C035-327.张可佳.基于 YOLOv4 的交通标志识别算法研究《.中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》.2023,C034-552.Hang Gong 等.SEDG-Yolov5: ALightweight Traffic Sign Detection ModelBased on Knowledge Distillation.《electronics》.2022,1-19.Xianyan Kuang 等.Real-Time Detectionand Recognition of Road Traffic Signsusing MSER and Random Forests《.ComputerVision and Pattern Recognition》.2018,1-18.
-
搜索结果
2 条记录 (耗时 0.02 秒)
